Miernictwo Wibroakustyczne Literatura. Wykład 1 Wprowadzenie. Sygnały pomiarowe
|
|
- Wacław Pietrzak
- 7 lat temu
- Przeglądów:
Transkrypt
1 Wykład Wprowadzenie. Sygnały pomiarowe Dr inż.adeusz Wszołek Miernictwo Wibroakustyczne - Wydział Inżynierii Mechanicznej i Robotyki Katedra Mechaniki i Wibroakustyki D-, p.6, konsultacje-poniedziałek, środa:4:- 5:, tadeusz.wszolek@agh.edu.pl Literatura B&K Acoustics Noise Measurements B&K Mechanical Vibration and Shock Measurements W.Nawrocki Komputerowe Systemy Pomiarowe C.Marven, G.Ewers Zarys cyfrowego przetwarzania sygnałów Instrukcja analizatora Nor 84 J.Szabatin Podstawy teorii sygnałów R.G.Lyons Wprowadzenie do cyfrowego przetwarzania sygnałów R.Hagel, J.Zakrzewski Miernictwo dynamiczne Zb.Engel Ochrona środowiska przed drganiami i hałasem Zb.Żyszkowski Miernictwo akustyczne Danuta urzeniecka Analiza dokładności wybranych przybliżonych metod oceny niepewności Normy Polskie i międzynarodowe PN ISO 996-,,3 omasz P.Zieliński Od teorii do cyfrowego przetwarzania sygnałów Strony internetowe B&K, Norsonic, G.R.A.S, PCB Program wykładów - bloki tematyczne Łańcuch pomiarowy Charakterystyka sygnałów pomiarowych Filtracja sygnałów w systemie pomiarowym - Parametryzacja sygnałów akustycznych i drganiowych - Wprowadzenie do analizy częstotliwościowej sygnału - or pomiarowy przetwornik, droga transmisji sygnałuakwizycja danych. Wymagania Niepewność w wibroakustycznych systemach pomiarowych. Przykłady realizacji - Systemy wielokanałowe, monitoring ciągły. Metodyki pomiarowe w badaniach wibroakustycznych - nigdy nie lepszy niż jego najsłabsze ogniwo! Pamiętaj!
2 Sygnały Sygnały wibroakustyczne Obserwacja i kontrola obiektu poprzez pomiar lub rejestrację pewnych wielkości fizycznych ( np. temperatura, ciśnienie, masa, stężenie, objętość, itp..) charakteryzujących jego stan. Sygnał wibroakustyczny - jest bogatym nośnikiem informacji (o stanie technicznym maszyn i urządzeń oraz procesów technologicznych, środowiska a nawet zdrowiu i stanie psychicznym człowieka) Przebieg w czasie wielkości fizycznej charakteryzującej obiekt lub wielkości bezpośrednio z nim związanej nazywamy sygnałem, przetwarzanym najczęściej ( podczas pomiaru) na wielkość elektryczną ( napięcie lub prąd). Pojęciu sygnału przyporządkowuje się odpowiednie modele matematyczne. Przy ich wyborze należy brać pod uwagę: Model powinien być zgodny z intuicyjnymi odczuciami pojęcia sygnału Modele powinny być możliwie ogólne Powinny zapewniać łatwość analizy matematycznej ( generacji, przetwarzania, przesyłania) Ogólnie modele sygnałów można podzielić na deterministyczne i stochastyczne W ogólnym przypadku temu samemu sygnałowi fizycznemu przyporządkować można zarówno model deterministyczny jak i stochastyczny. O wyborze typu modelu decyduje w większości przypadków rodzaj zagadnień, jakie mają być badane za pomocą tego modelu Bardzo często wybór modelu jest z góry narzucony, np. ze względu na niedostateczną znajomość przyczyn i zjawisk powodujących generację sygnału oraz ich rozchodzenie się w środowisku. Wspólną cechą sygnałów jest to, że trwają w czasie. Powinny być zatem opisywane i badane w funkcji czasu Deterministycznym ( zdeterminowanym) modelem sygnału fizycznego jest rzeczywista lub zespolona funkcja czasu. Modelem stochastycznym (losowym) tego sygnału jest rzeczywisty lub zespolony proces stochastyczny. Na podstawie jego obserwacji nie jest możliwe przewidzenie wartości tego sygnału w żadnej z przyszłych chwil czasu.
3 Sygnały niezdeterminowane - o nieznanym kształcie, jeśli opisane są przez rozkłady prawdopodobieństwa, mogą być nazwane sygnałami stochastycznymi ( losowymi). W przypadku sygnału losowego stochastycznego można tylko określić prawdopodobieństwo, że w określonym czasie jego wartość chwilowa będzie zawarta w przedziale (, +Δ) Na skutek zakłócenia sygnał deterministyczny może posiadać cechy sygnału losowego i odwrotnie. Konkretny pojedynczy przebieg sygnału stochastycznego, znany w pewnym przedziale czasu, ( np.oscylogram) nazywa się realizacja procesu stochastycznego. Obserwując wielokrotnie sygnał stochastyczny, można zauważyć że za każdym razem przedstawia on inną funkcję czasu, czyli inna realizację. Zbiór wszystkich takich realizacji nazywamy procesem stochastycznym. Jedną z najważniejszych właściwości procesu stochastycznego jest zależność lub niezależność jego właściwości statystycznych od wyboru przedziałów czasu, w których realizuje się przebieg. Zależą od tego w istotny sposób możliwości zastosowania różnych metod badania procesu stochastycznego. W związku z powyższym wyróżnia się procesy stochastyczne stacjonarne i niestacjonarne Klasyfikacja sygnałów ( wibroakustycznych) Sygnały stacjonarne. Wartość średnia, wartość średnia kwadratowa, funkcja autokorelacji i autokowariancji nie zależą od czasu. Jeżeli są one jednakowe dla wszystkich składowych funkcji losowych to są to sygnały ergodyczne. Charakterystyki losowe jednej realizacji są ważne dla wszystkich realizacji. Sygnały prawie okresowe powstają najczęściej w wyniku sumowania się sygnałów sinusoidalnych. Sygnały ( wibroakustyczne) zdeterminowane losowe okresowe nieokresowe niestacjonarne stacjonarne harmoiczne quasiokresowe ergodyczne poliharmoniczne przejściowe nieergodyczne 3
4 Własności statyczne. Wartość średnia sygnału Metody opisu statystycznego sygnałów można podzielić na dwie grupy: - dotyczy opisu wartości sygnału, - prędkości zmian sygnału. Pierwszy opis jest tworzeniem statystycznego modelu wartości statycznych sygnału, drugi określa także w sposób statystyczny zmienność, czyli dynamikę sygnału. μ( = ( = lim określa stałą składową statyczną, która nie jest przypadkowa i zazwyczaj jest odejmowana od sygnału. Po odjęciu otrzymuje się sygnał zawierający tylko zmienna składowa przypadkową (dynamiczną). wiele rzeczywistych procesów ma z natury składowa stałą równa zeru. Dlatego często rozpatruje się tylko sygnały o wartości średniej równej zeru ( dt Wartość średniokwadratowa sygnału stochastycznego jest określona równaniem Ψ ( = ( = lim ( dt Wartości średniokwadratowe ( lub skuteczne miarami charakteryzującymi ogólnie przebieg (. ( są Ilustracja definicji wartości średniej 4
5 Składową dynamiczną sygnału opisać można przez wariancję sygnału średnia wartość odchylenia od jego wartości średniej: σ = lim ( ( μ ) dt = ( ) σ ( i μ n Jest to miara rozproszenia sygnału. Miarą rozproszenia może być także odchylenie przeciętne od średniej, określone zależnością d = ( i μ n Ilustracja definicji wartości średniokwadratowej W praktyce często jako (ilościową) miarę rozrzutu stosuje się odchylenie standardowe σ Gęstość prawdopodobieństwa Określa prawdopodobieństwo, że wartości sygnału w dowolnej chwili czasu zawarte są w określonym przedziale (, +d). Jest to pierwsza pochodna dystrybuanty F(), F()=P(<) F( ) F( ) = p( ) dt = p( < ) Interpretacja graficzna funkcji gęstości prawdopodobieństwa Z gęstością prawdopodobieństwa związane są wartość średnia μ ( wartość oczekiwana z największym prawdopodobieństwem) oraz wartość średniokwadratowa Ψ + p( ) μ = d Ψ = + p( ) d p( ) = lim Δ Δ lim suma przedziałów, w których (,), =ΣΔt całkowity czas obserwacji Gęstość prawdopodobieństwa charakteryzuje sygnał w dziedzinie amplitud i umożliwia np. rozróżnienie sygnału harmonicznego od losowego. 5
6 . Rozkład normalny Rozkład prawdopodobieństwa. Rozkładem prawdopodobieństwa ciągłej zmiennej losowej X nazywa się zależność gęstości prawdopodobieństwa p() od zmiennej niezależnej. eoretycznie może istnieć nieskończona ilość różnych form rozkładów, jednakże stwierdza się, że pewne rozkłady teoretyczne są adekwatnymi modelami matematycznymi rzeczywistych fizycznych procesów. Wśród różnych form rozkładów najczęściej występuje rozkład gaussowski p( ) = ep σ π ( μ ) σ ρ odchylenie std. μ wartość średnia zmiennej Często nie mamy pewności czy rzeczywisty proces jest aproksymowany z dostatecznym przybliżeniem rozkładem gausosowskim. Własności dynamiczne sygnału Funkcja autokorelacji Charakteryzuje pewną ogólną zależność wartości sygnału losowego w pewnej chwili od wartości w innej chwili Wartości średnie pokazanych sygnałów są równe zeru. Krzywe dzwonowe są typowymi przykładami gęstości prawdopodobieństwa wartości chwilowych szumów. Odpowiadają one dobrze rozkładowi gaussowskiemu R( τ ) = lim t ( t + τ )dt ( ) Funkcja autokorelacji jest f. Rzeczywistą, parzystą i posiadającą maksimum w punkcie τ=. Zależności pomiędzy funkcją autokorelacji a wartością średniokwadratową Ψ = () oraz wartością średnią R μ = R ( ) 6
7 F.a. charakteryzuje proces losowy w dziedzinie czasu Wykrywanie procesów zdeterminowanych na tle szumu Ustalenie w jakim stopniu wartości procesu w danej chwili wpływają na wartości procesu w pewnej chwili w przyszłości Funkcja autokorelacji. Może być stosowana także do przebiegów okresowych, dla których przyjmuje także postać przebiegu okresowego. Funkcja autokorelacji może służyć również do oceny i porównania prędkości zmian sygnałów. Sygnał szybkozmienny możemy rozpoznać po większych zmianach f.a. już przy małej wartości τ. Odwrotnie jest dla przebiegów wolnozmiennych duża zmiana τ Ilustrację tej cechy funkcji autokorelacji pokazano na poniższym rysunku Zależność między szybkością zmian sygnału, a funkcją autokorelacji: a) sygnał szybkozmienny, b) sygnał wolnozmienny. Funkcja autokorelacji wybranych sygnałów Gęstość widmowa mocy Charakteryzuje proces losowy w dziedzinie częstotliwości za pomocą gęstości widmowej wartości średniokwadratowej sygnału Ψ ( f, Δf ) = lim ( t, f, Δf ) Jest to wartość średniokwadratowa w przedziale częstotliwości (f,f+δf) Dla małych wartości przedziałów Δf można zapisać: dt Ψ G ( f ) Istotna cecha widmowej gęstości mocy polega na jej związku z funkcją autokorelacji R poprzez przekształcenie Fouriera (tw.wienera-chinczyna) + + j ( f ) = R ( τ ) e ϖτ jωt dτ R = G( ϖ ) e dω = π G Funkcja g.w. P (ω) przedstawia w ujęciu częstotliwościowym tę samą informację o sygnale co funkcja R (τ) przedstawia w ujęciu czasowym. ( f, Δf ) Δf P ( f )cos(πfτ ) df 7
8 Wykresy gęstości widmowej mocy a) Sygnał sinusoidalny, b) sinusoida z nałożonym szumem, c) szum wąskopasmowy, d) szum szerokopasmowy Dziękuję za uwagę 8
Rozdział 1 PODSTAWOWE POJĘCIA I DEFINICJE
1. 1. W p r owadze n ie 1 Rozdział 1 PODSTAWOWE POJĘCIA I DEFINICJE 1.1. WPROWADZENIE SYGNAŁ nośnik informacji ANALIZA SYGNAŁU badanie, którego celem jest identyfikacja własności, cech, miar sygnału; odtwarzanie
Bardziej szczegółowo2. P (E) = 1. β B. TSIM W3: Sygnały stochastyczne 1/27
SYGNAŁY STOCHASTYCZNE Przestrzeń probabilistyczna i zmienna losowa Definicja Przestrzenią probabilistyczną (doświadczeniem) nazywamy trójkę uporządkowaną (E, B, P ), gdzie: E przestrzeń zdarzeń elementarnych;
Bardziej szczegółowoSposoby opisu i modelowania zakłóceń kanałowych
INSTYTUT TELEKOMUNIKACJI ZAKŁAD RADIOKOMUNIKACJI Instrukcja laboratoryjna z przedmiotu Podstawy Telekomunikacji Sposoby opisu i modelowania zakłóceń kanałowych Warszawa 2010r. 1. Cel ćwiczeń: Celem ćwiczeń
Bardziej szczegółowoCYFROWE PRZETWARZANIE SYGNAŁÓW
POLITECHNIKA RZESZOWSKA im. I. Łukasiewicza WYDZIAŁ ELEKTROTECHNIKI I INFORMATYKI Katedra Metrologii i Systemów Diagnostycznych CYFROWE PRZETWARZANIE SYGNAŁÓW Sygnały stochastyczne, parametry w dziedzinie
Bardziej szczegółowoCYFROWE PRZETWARZANIE SYGNAŁÓW
POLITECHNIKA RZESZOWSKA im. I. Łukasiewicza WYDZIAŁ ELEKTROTECHNIKI I INFORMATYKI Katedra Metrologii i Systemów Diagnostycznych CYFROWE PRZETWARZANIE SYGNAŁÓW Analiza korelacyjna sygnałów dr hab. inż.
Bardziej szczegółowoKatedra Fizyki Ciała Stałego Uniwersytetu Łódzkiego. Ćwiczenie 2 Badanie funkcji korelacji w przebiegach elektrycznych.
Katedra Fizyki Ciała Stałego Uniwersytetu Łódzkiego Ćwiczenie Badanie unkcji korelacji w przebiegach elektrycznych. Cel ćwiczenia: Celem ćwiczenia jest zbadanie unkcji korelacji w okresowych sygnałach
Bardziej szczegółowoBiostatystyka, # 3 /Weterynaria I/
Biostatystyka, # 3 /Weterynaria I/ dr n. mat. Zdzisław Otachel Uniwersytet Przyrodniczy w Lublinie Katedra Zastosowań Matematyki i Informatyki ul. Głęboka 28, p. 221 bud. CIW, e-mail: zdzislaw.otachel@up.lublin.pl
Bardziej szczegółowoTeoria systemów i sygnałów Kierunek AiR, sem. 5 2wE + 1l
Teoria systemów i sygnałów Kierunek AiR, sem. 5 2wE + 1l Prof. dr hab. Wojciech Moczulski Politechnika Ślaska, Wydział Mechaniczny Technologiczny Katedra Podstaw Konstrukcji Maszyn 19 października 2008
Bardziej szczegółowoAkademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Elektroniki
Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Elektroniki Przetwarzanie Sygnałów Studia Podyplomowe, Automatyka i Robotyka. Wstęp teoretyczny Zmienne losowe Zmienne losowe
Bardziej szczegółowoLABORATORIUM PODSTAW TELEKOMUNIKACJI
WOJSKOWA AKADEMIA TECHNICZNA im. Jarosława Dąbrowskiego w Warszawie Wydział Elektroniki LABORATORIUM PODSTAW TELEKOMUNIKACJI Grupa Podgrupa Data wykonania ćwiczenia Ćwiczenie prowadził... Skład podgrupy:
Bardziej szczegółowoPrzekształcenia sygnałów losowych w układach
INSTYTUT TELEKOMUNIKACJI ZAKŁAD RADIOKOMUNIKACJI Instrukcja laboratoryjna z przedmiotu Sygnały i kodowanie Przekształcenia sygnałów losowych w układach Warszawa 010r. 1. Cel ćwiczenia: Ocena wpływu charakterystyk
Bardziej szczegółowoLiteratura. Leitner R., Zacharski J., Zarys matematyki wyŝszej dla studentów, cz. III.
Literatura Krysicki W., Bartos J., Dyczka W., Królikowska K, Wasilewski M., Rachunek Prawdopodobieństwa i Statystyka Matematyczna w Zadaniach, cz. I. Leitner R., Zacharski J., Zarys matematyki wyŝszej
Bardziej szczegółowoINSTRUKCJA DO ĆWICZENIA NR 7
KATEDRA MECHANIKI STOSOWANEJ Wydział Mechaniczny POLITECHNIKA LUBELSKA INSTRUKCJA DO ĆWICZENIA NR 7 PRZEDMIOT TEMAT OPRACOWAŁ LABORATORIUM MODELOWANIA Przykładowe analizy danych: przebiegi czasowe, portrety
Bardziej szczegółowoZmienność wiatru w okresie wieloletnim
Warsztaty: Prognozowanie produktywności farm wiatrowych PSEW, Warszawa 5.02.2015 Zmienność wiatru w okresie wieloletnim Dr Marcin Zientara DCAD / Stermedia Sp. z o.o. Zmienność wiatru w różnych skalach
Bardziej szczegółowoUkłady stochastyczne
Instytut Informatyki Uniwersytetu Śląskiego 21 stycznia 2009 Definicja Definicja Proces stochastyczny to funkcja losowa, czyli funkcja matematyczna, której wartości leżą w przestrzeni zdarzeń losowych.
Bardziej szczegółowoAkwizycja i przetwarzanie sygnałów cyfrowych
Akwizycja i przetwarzanie sygnałów cyfrowych Instytut Teleinformatyki ITI PK Kraków 21 luty 2011 Plan na dziś 1 Przedstawienie przedmiotu i zakresu wykładu polecanej iteratury zasad zaliczenia 2 Wyklad
Bardziej szczegółowo1 Podstawy rachunku prawdopodobieństwa
1 Podstawy rachunku prawdopodobieństwa Dystrybuantą zmiennej losowej X nazywamy prawdopodobieństwo przyjęcia przez zmienną losową X wartości mniejszej od x, tzn. F (x) = P [X < x]. 1. dla zmiennej losowej
Bardziej szczegółowoZmienne losowe ciągłe i ich rozkłady
Rachunek Prawdopodobieństwa i Statystyka - W3 Zmienne losowe ciągłe i ich rozkłady Dr Anna ADRIAN Paw B5, pok47 adan@agh.edu.pl Plan wykładu Zmienna losowa ciągła Dystrybuanta i unkcja gęstości rozkładu
Bardziej szczegółowoZmienne losowe ciągłe i ich rozkłady
Statystyka i opracowanie danych W3 Zmienne losowe ciągłe i ich rozkłady Dr Anna ADRIAN Paw B5, pok47 adan@agh.edu.pl Plan wykładu Rozkład Poissona. Zmienna losowa ciągła Dystrybuanta i funkcja gęstości
Bardziej szczegółowoStatystyka i eksploracja danych
Wykład II: i charakterystyki ich rozkładów 24 lutego 2014 Wartość oczekiwana Dystrybuanty Słowniczek teorii prawdopodobieństwa, cz. II Wartość oczekiwana Dystrybuanty Słowniczek teorii prawdopodobieństwa,
Bardziej szczegółowoPodstawy Automatyki. wykład 1 (26.02.2010) mgr inż. Łukasz Dworzak. Politechnika Wrocławska. Instytut Technologii Maszyn i Automatyzacji (I-24)
Podstawy Automatyki wykład 1 (26.02.2010) mgr inż. Łukasz Dworzak Politechnika Wrocławska Instytut Technologii Maszyn i Automatyzacji (I-24) Laboratorium Podstaw Automatyzacji (L6) 105/2 B1 Sprawy organizacyjne
Bardziej szczegółowoZadania ze statystyki, cz.6
Zadania ze statystyki, cz.6 Zad.1 Proszę wskazać, jaką część pola pod krzywą normalną wyznaczają wartości Z rozkładu dystrybuanty rozkładu normalnego: - Z > 1,25 - Z > 2,23 - Z < -1,23 - Z > -1,16 - Z
Bardziej szczegółowoWYZNACZANIE CECH PUNKTOWYCH SYGNAŁÓW POMIAROWYCH
PODSTAWY SYGNAŁÓW POMIAROWYCH I METROLOGII WYZNACZANIE CECH PUNKTOWYCH SYGNAŁÓW POMIAROWYCH WSTĘP TEORETYCZNY Sygnałem nazywamy przebieg dowolnej wielkości fizycznej mogącej być nośnikiem informacji Opis
Bardziej szczegółowoCharakterystyki liczbowe (estymatory i parametry), które pozwalają opisać właściwości rozkładu badanej cechy (zmiennej)
Charakterystyki liczbowe (estymatory i parametry), które pozwalają opisać właściwości rozkładu badanej cechy (zmiennej) 1 Podział ze względu na zakres danych użytych do wyznaczenia miary Miary opisujące
Bardziej szczegółowoZmienne losowe i ich rozkłady. Momenty zmiennych losowych. Wrocław, 10 października 2014
Zmienne losowe i ich rozkłady. Momenty zmiennych losowych. Wrocław, 10 października 2014 Zmienne losowe i ich rozkłady Doświadczenie losowe: Rzut monetą Rzut kostką Wybór losowy n kart z talii 52 Gry losowe
Bardziej szczegółowoZAJĘCIA II. Zmienne losowe, sygnały stochastyczne, zakłócenia pomiarowe
ZAJĘCIA II Zmienne losowe, sygnały stochastyczne, zakłócenia pomiarowe Po co statystyka w identyfikacji? Zmienne losowe i ich parametry Korelacja zmiennych losowych Rozkłady wielowymiarowe i sygnały stochastyczne
Bardziej szczegółowoStatystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory
Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory Dr Anna ADRIAN Paw B5, pok 407 adrian@tempus.metal.agh.edu.pl
Bardziej szczegółowoTERAZ O SYGNAŁACH. Przebieg i widmo Zniekształcenia sygnałów okresowych Miary sygnałów Zasady cyfryzacji sygnałów analogowych
TERAZ O SYGNAŁACH Przebieg i widmo Zniekształcenia sygnałów okresowych Miary sygnałów Zasady cyfryzacji sygnałów analogowych Sygnał sinusoidalny Sygnał sinusoidalny (także cosinusoidalny) należy do podstawowych
Bardziej szczegółowoRozkład normalny, niepewność standardowa typu A
Podstawy Metrologii i Technik Eksperymentu Laboratorium Rozkład normalny, niepewność standardowa typu A Instrukcja do ćwiczenia nr 1 Zakład Miernictwa i Ochrony Atmosfery Wrocław, listopad 2010 r. Podstawy
Bardziej szczegółowoWeryfikacja hipotez statystycznych, parametryczne testy istotności w populacji
Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki
Bardziej szczegółowoĆwiczenie 3,4. Analiza widmowa sygnałów czasowych: sinus, trójkąt, prostokąt, szum biały i szum różowy
Ćwiczenie 3,4. Analiza widmowa sygnałów czasowych: sinus, trójkąt, prostokąt, szum biały i szum różowy Grupa: wtorek 18:3 Tomasz Niedziela I. CZĘŚĆ ĆWICZENIA 1. Cel i przebieg ćwiczenia. Celem ćwiczenia
Bardziej szczegółowoMatematyka 2. dr inż. Rajmund Stasiewicz
Matematyka 2 dr inż. Rajmund Stasiewicz Skala ocen Punkty Ocena 0 50 2,0 51 60 3,0 61 70 3,5 71 80 4,0 81 90 4,5 91-5,0 Zwolnienie z egzaminu Ocena z egzaminu liczba punktów z ćwiczeń - 5 Warunki zaliczenia
Bardziej szczegółowoAnaliza sygnałów biologicznych
Analiza sygnałów biologicznych Paweł Strumiłło Zakład Elektroniki Medycznej Instytut Elektroniki PŁ Co to jest sygnał? Funkcja czasu x(t) przenosząca informację o stanie lub działaniu układu (systemu),
Bardziej szczegółowoStatystyka matematyczna dla leśników
Statystyka matematyczna dla leśników Wydział Leśny Kierunek leśnictwo Studia Stacjonarne I Stopnia Rok akademicki 2013/2014 Wykład 3 Zmienna losowa i jej rozkłady Zdarzenia losowe Pojęcie prawdopodobieństwa
Bardziej szczegółowoPodstawy Elektrotechniki i Elektroniki. Opracował: Mgr inż. Marek Staude
Podstawy Elektrotechniki i Elektroniki Opracował: Mgr inż. Marek Staude Część 2 Analiza obwodów w stanie ustalonym przy wymuszeniu sinusoidalnym Przypomnienie ostatniego wykładu Prąd i napięcie Podstawowe
Bardziej szczegółowoPodstawy Pomiarów PPOM.A Literatura 2 Literatura podstawowa... 3 Literatura uzupełniająca... 4
Podstawy Pomiarów PPOM.A 2014 Literatura 2 Literatura podstawowa..................................................................... 3 Literatura uzupełniająca...................................................................
Bardziej szczegółowoMatematyka z el. statystyki, # 3 /Geodezja i kartografia II/
Matematyka z el. statystyki, # 3 /Geodezja i kartografia II/ Uniwersytet Przyrodniczy w Lublinie Katedra Zastosowań Matematyki i Informatyki ul. Akademicka 15, p.211a bud. Agro II, e-mail: zdzislaw.otachel@up.lublin.pl
Bardziej szczegółowoTeoria sterowania - studia niestacjonarne AiR 2 stopień
Teoria sterowania - studia niestacjonarne AiR stopień Kazimierz Duzinkiewicz, dr hab. Inż. Katedra Inżynerii Systemów Sterowania Wykład 4-06/07 Transmitancja widmowa i charakterystyki częstotliwościowe
Bardziej szczegółowoJeśli wszystkie wartości, jakie może przyjmować zmienna można wypisać w postaci ciągu {x 1, x 2,...}, to mówimy, że jest to zmienna dyskretna.
Wykład 4 Rozkłady i ich dystrybuanty Dwa typy zmiennych losowych Jeśli wszystkie wartości, jakie może przyjmować zmienna można wypisać w postaci ciągu {x, x 2,...}, to mówimy, że jest to zmienna dyskretna.
Bardziej szczegółowo4.3 Wyznaczanie prędkości dźwięku w powietrzu metodą fali biegnącej(f2)
Wyznaczanie prędkości dźwięku w powietrzu metodą fali biegnącej(f2)185 4.3 Wyznaczanie prędkości dźwięku w powietrzu metodą fali biegnącej(f2) Celem ćwiczenia jest wyznaczenie prędkości dźwięku w powietrzu
Bardziej szczegółowoNa A (n) rozważamy rozkład P (n) , który na zbiorach postaci A 1... A n określa się jako P (n) (X n, A (n), P (n)
MODELE STATYSTYCZNE Punktem wyjścia w rozumowaniu statystycznym jest zmienna losowa (cecha) X i jej obserwacje opisujące wyniki doświadczeń bądź pomiarów. Zbiór wartości zmiennej losowej X (zbiór wartości
Bardziej szczegółowoProcesy stochastyczne WYKŁAD 2-3. Łańcuchy Markowa. Łańcuchy Markowa to procesy "bez pamięci" w których czas i stany są zbiorami dyskretnymi.
Procesy stochastyczne WYKŁAD 2-3 Łańcuchy Markowa Łańcuchy Markowa to procesy "bez pamięci" w których czas i stany są zbiorami dyskretnymi. 2 Łańcuchem Markowa nazywamy proces będący ciągiem zmiennych
Bardziej szczegółowoElementy Rachunek prawdopodobieństwa
Elementy rachunku prawdopodobieństwa Rachunek prawdopodobieństwa zajmuje się analizą praw rządzących zdarzeniami losowymi Pojęciami pierwotnymi są: zdarzenie elementarne ω oraz zbiór zdarzeń elementarnych
Bardziej szczegółowoEgzamin / zaliczenie na ocenę*
WYDZIAŁ PODSTAWOWYCH PROBLEMÓW TECHNIKI Zał. nr 4 do ZW 33/01 KARTA PRZEDMIOTU Nazwa w języku polskim CYFROWE PRZETWARZANIE SYGNAŁÓW Nazwa w języku angielskim DIGITAL SIGNAL PROCESSING Kierunek studiów
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA. rachunek prawdopodobieństwa
STATYSTYKA MATEMATYCZNA rachunek prawdopodobieństwa treść Zdarzenia losowe pojęcie prawdopodobieństwa prawo wielkich liczb zmienne losowe rozkłady teoretyczne zmiennych losowych Zanim zajmiemy się wnioskowaniem
Bardziej szczegółowoProcedura modelowania matematycznego
Procedura modelowania matematycznego System fizyczny Model fizyczny Założenia Uproszczenia Model matematyczny Analiza matematyczna Symulacja komputerowa Rozwiązanie w postaci modelu odpowiedzi Poszerzenie
Bardziej szczegółowoKomputerowa analiza danych doświadczalnych
Komputerowa analiza danych doświadczalnych Wykład 4.03.06 dr inż. Łukasz Graczykowski lgraczyk@if.pw.edu.pl Semestr letni 05/06 Zmienne losowe, jednowymiarowe rozkłady zmiennych losowych Pomiar jako zdarzenie
Bardziej szczegółowoW rachunku prawdopodobieństwa wyróżniamy dwie zasadnicze grupy rozkładów zmiennych losowych:
W rachunku prawdopodobieństwa wyróżniamy dwie zasadnicze grupy rozkładów zmiennych losowych: Zmienne losowe skokowe (dyskretne) przyjmujące co najwyżej przeliczalnie wiele wartości Zmienne losowe ciągłe
Bardziej szczegółowo3. Modele tendencji czasowej w prognozowaniu
II Modele tendencji czasowej w prognozowaniu 1 Składniki szeregu czasowego W teorii szeregów czasowych wyróżnia się zwykle następujące składowe szeregu czasowego: a) składowa systematyczna; b) składowa
Bardziej szczegółowoStatystyka matematyczna. Wykład III. Estymacja przedziałowa
Statystyka matematyczna. Wykład III. e-mail:e.kozlovski@pollub.pl Spis treści Rozkłady zmiennych losowych 1 Rozkłady zmiennych losowych Rozkład χ 2 Rozkład t-studenta Rozkład Fischera 2 Przedziały ufności
Bardziej szczegółowoRozkład zmiennej losowej Polega na przyporządkowaniu każdej wartości zmiennej losowej prawdopodobieństwo jej wystąpienia.
Rozkład zmiennej losowej Polega na przyporządkowaniu każdej wartości zmiennej losowej prawdopodobieństwo jej wystąpienia. D A R I U S Z P I W C Z Y Ń S K I 2 2 ROZKŁAD ZMIENNEJ LOSOWEJ Polega na przyporządkowaniu
Bardziej szczegółowoSystemy. Krzysztof Patan
Systemy Krzysztof Patan Systemy z pamięcią System jest bez pamięci (statyczny), jeżeli dla dowolnej chwili t 0 wartość sygnału wyjściowego y(t 0 ) zależy wyłącznie od wartości sygnału wejściowego w tej
Bardziej szczegółowoSzczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego
Bardziej szczegółowoKARTA MODUŁU KSZTAŁCENIA
KARTA MODUŁU KSZTAŁCENIA I. Informacje ogólne I. 1 Nazwa modułu kształcenia Analiza i przetwarzanie sygnałów 2 Nazwa jednostki prowadzącej moduł (należy wskazać nazwę zgodnie ze Statutem PSW Instytut,
Bardziej szczegółowo6.4 Podstawowe metody statystyczne
156 Wstęp do statystyki matematycznej 6.4 Podstawowe metody statystyczne Spóbujemy teraz w dopuszczalnym uproszczeniu przedstawić istotę analizy statystycznej. W szczególności udzielimy odpowiedzi na postawione
Bardziej szczegółowoŹródła zasilania i parametry przebiegu zmiennego
POLIECHNIKA ŚLĄSKA WYDZIAŁ INŻYNIERII ŚRODOWISKA I ENERGEYKI INSYU MASZYN I URZĄDZEŃ ENERGEYCZNYCH LABORAORIUM ELEKRYCZNE Źródła zasilania i parametry przebiegu zmiennego (E 1) Opracował: Dr inż. Włodzimierz
Bardziej szczegółowoPolitechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania. Podstawy Automatyki
Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania Podsta Automatyki Transmitancja operatorowa i widmowa systemu, znajdowanie odpowiedzi w dziedzinie s i w
Bardziej szczegółowoWykład 5: Statystyki opisowe (część 2)
Wykład 5: Statystyki opisowe (część 2) Wprowadzenie Na poprzednim wykładzie wprowadzone zostały statystyki opisowe nazywane miarami położenia (średnia, mediana, kwartyle, minimum i maksimum, modalna oraz
Bardziej szczegółowo3. Analiza własności szeregu czasowego i wybór typu modelu
3. Analiza własności szeregu czasowego i wybór typu modelu 1. Metody analizy własności szeregu czasowego obserwacji 1.1. Analiza wykresu szeregu czasowego 1.2. Analiza statystyk opisowych zmiennej prognozowanej
Bardziej szczegółowoKomputerowa Analiza Danych Doświadczalnych
Komputerowa Analiza Danych Doświadczalnych Prowadząca: dr inż. Hanna Zbroszczyk e-mail: gos@if.pw.edu.pl tel: +48 22 234 58 51 konsultacje: poniedziałek, 10-11, środa: 11-12 www: http://www.if.pw.edu.pl/~gos/students/kadd
Bardziej szczegółowoStatystyka opisowa. Wykład I. Elementy statystyki opisowej
Statystyka opisowa. Wykład I. e-mail:e.kozlovski@pollub.pl Spis treści Elementy statystyku opisowej 1 Elementy statystyku opisowej 2 3 Elementy statystyku opisowej Definicja Statystyka jest to nauka o
Bardziej szczegółowoWażne rozkłady i twierdzenia
Ważne rozkłady i twierdzenia Rozkład dwumianowy i wielomianowy Częstość. Prawo wielkich liczb Rozkład hipergeometryczny Rozkład Poissona Rozkład normalny i rozkład Gaussa Centralne twierdzenie graniczne
Bardziej szczegółowoSpis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar... 1. Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16
Spis treści Przedmowa.......................... XI Rozdział 1. Pomiar: jednostki miar................. 1 1.1. Wielkości fizyczne i pozafizyczne.................. 1 1.2. Spójne układy miar. Układ SI i jego
Bardziej szczegółowoAKADEMIA GÓRNICZO-HUTNICZA Wydział Matematyki Stosowanej ROZKŁAD NORMALNY ROZKŁAD GAUSSA
AKADEMIA GÓRNICZO-HUTNICZA Wydział Matematyki Stosowanej KATEDRA MATEMATYKI TEMAT PRACY: ROZKŁAD NORMALNY ROZKŁAD GAUSSA AUTOR: BARBARA MARDOSZ Kraków, styczeń 2008 Spis treści 1 Wprowadzenie 2 2 Definicja
Bardziej szczegółowo1.1 Wstęp Literatura... 1
Spis treści Spis treści 1 Wstęp 1 1.1 Wstęp................................ 1 1.2 Literatura.............................. 1 2 Elementy rachunku prawdopodobieństwa 2 2.1 Podstawy..............................
Bardziej szczegółowoLABORATORIUM Z FIZYKI
LABORATORIUM Z FIZYKI LABORATORIUM Z FIZYKI I PRACOWNIA FIZYCZNA C w Gliwicach Gliwice, ul. Konarskiego 22, pokoje 52-54 Regulamin pracowni i organizacja zajęć Sprawozdanie (strona tytułowa, karta pomiarowa)
Bardziej szczegółowo9. ZARYS DYNAMIKI UKŁADÓW STOCHASTYCZNYCH
9. ZARYS DYNAMIKI UKŁADÓW STOCHASTYCZNYCH 9.1. WSTĘP W układach dynamicznych mogą, oprócz sygnałów zdeterminowanych, występować sygnały stochastyczne (losowe). Przykładami takich sygnałów są: obciążenia
Bardziej szczegółowoStatystyka. Wykład 4. Magdalena Alama-Bućko. 19 marca Magdalena Alama-Bućko Statystyka 19 marca / 33
Statystyka Wykład 4 Magdalena Alama-Bućko 19 marca 2018 Magdalena Alama-Bućko Statystyka 19 marca 2018 1 / 33 Analiza struktury zbiorowości miary położenia ( miary średnie) miary zmienności (rozproszenia,
Bardziej szczegółowoPrawa wielkich liczb, centralne twierdzenia graniczne
, centralne twierdzenia graniczne Katedra matematyki i ekonomii matematycznej 17 maja 2012, centralne twierdzenia graniczne Rodzaje zbieżności ciągów zmiennych losowych, centralne twierdzenia graniczne
Bardziej szczegółowoTeoria Sygnałów. Inżynieria Obliczeniowa II rok 2018/19. Wykład 10. ( t) Wykorzystanie transformacji Fouriera w analizie korelacyjnej
Teoria Synałów Inżynieria Obliczeniowa II rok 208/9 Wykład 0 Wykorzystanie transformacji Fouriera w analizie korelacyjnej Na początek krótkie przypomnienie podstawowych definicji: Funkcja autokorelacji
Bardziej szczegółowoLABORATORIUM PROCESÓW STOCHASTYCZNYCH
WOJSKOWA AKADEMIA TECHICZA im. Jarosława Dąbrowskiego w Warszawie Wydział Elektroniki LABORATORIUM PROCESÓW STOCHASTYCZYCH Grupa Podgrupa Data wykonania ćwiczenia Ćwiczenie prowadził. Skład podgrupy 1....
Bardziej szczegółowoTemat: Zmienna losowa. Rozkład skokowy. Rozkład ciągły. Kody kolorów: Ŝółty nowe pojęcie pomarańczowy uwaga. Anna Rajfura, Matematyka
Temat: Zmienna losowa. Rozkład skokowy. Rozkład ciągły Kody kolorów: Ŝółty nowe pojęcie pomarańczowy uwaga 1 Zagadnienia 1. Przypomnienie wybranych pojęć rachunku prawdopodobieństwa. Zmienna losowa. Rozkład
Bardziej szczegółowoProcesy stochastyczne WYKŁAD 2-3. Łańcuchy Markowa. Łańcuchy Markowa to procesy "bez pamięci" w których czas i stany są zbiorami dyskretnymi.
Procesy stochastyczne WYKŁAD 2-3 Łańcuchy Markowa Łańcuchy Markowa to procesy "bez pamięci" w których czas i stany są zbiorami dyskretnymi. Przykład Symetryczne błądzenie przypadkowe na prostej. 1 2 Łańcuchem
Bardziej szczegółowoWyznaczanie budżetu niepewności w pomiarach wybranych parametrów jakości energii elektrycznej
P. OTOMAŃSKI Politechnika Poznańska P. ZAZULA Okręgowy Urząd Miar w Poznaniu Wyznaczanie budżetu niepewności w pomiarach wybranych parametrów jakości energii elektrycznej Seminarium SMART GRID 08 marca
Bardziej szczegółowoPrognozowanie i Symulacje. Wykład I. Matematyczne metody prognozowania
Prognozowanie i Symulacje. Wykład I. e-mail:e.kozlovski@pollub.pl Spis treści Szeregi czasowe 1 Szeregi czasowe 2 3 Szeregi czasowe Definicja 1 Szereg czasowy jest to proces stochastyczny z czasem dyskretnym
Bardziej szczegółowoPrawdopodobieństwo i statystyka
Wykład II: Zmienne losowe i charakterystyki ich rozkładów 13 października 2014 Zmienne losowe Wartość oczekiwana Dystrybuanty Słowniczek teorii prawdopodobieństwa, cz. II Definicja zmiennej losowej i jej
Bardziej szczegółowoNarodowe Centrum Badań Jądrowych Dział Edukacji i Szkoleń ul. Andrzeja Sołtana 7, Otwock-Świerk
Narodowe Centrum Badań Jądrowych Dział Edukacji i Szkoleń ul. Andrzeja Sołtana 7, 05-400 Otwock-Świerk ĆWICZENIE L A B O R A T O R I U M F I Z Y K I A T O M O W E J I J Ą D R O W E J Zastosowanie pojęć
Bardziej szczegółowoFizyka (Biotechnologia)
Fizyka (Biotechnologia) Wykład I Marek Kasprowicz dr Marek Jan Kasprowicz pokój 309 marek.kasprowicz@ur.krakow.pl www.ar.krakow.pl/~mkasprowicz Marek Jan Kasprowicz Fizyka 013 r. Literatura D. Halliday,
Bardziej szczegółowoStatystyka matematyczna dla leśników
Statystyka matematyczna dla leśników Wydział Leśny Kierunek leśnictwo Studia Stacjonarne I Stopnia Rok akademicki 2011/2012 Wykład 2 Statystyka Do tej pory było: Wiadomości praktyczne o przedmiocie Podstawowe
Bardziej szczegółowoSzkoła z przyszłością. Zastosowanie pojęć analizy statystycznej do opracowania pomiarów promieniowania jonizującego
Szkoła z przyszłością szkolenie współfinansowane przez Unię Europejską w ramach Europejskiego Funduszu Społecznego Narodowe Centrum Badań Jądrowych, ul. Andrzeja Sołtana 7, 05-400 Otwock-Świerk ĆWICZENIE
Bardziej szczegółowoPodstawowe funkcje przetwornika C/A
ELEKTRONIKA CYFROWA PRZETWORNIKI CYFROWO-ANALOGOWE I ANALOGOWO-CYFROWE Literatura: 1. Rudy van de Plassche: Scalone przetworniki analogowo-cyfrowe i cyfrowo-analogowe, WKŁ 1997 2. Marian Łakomy, Jan Zabrodzki:
Bardziej szczegółowoSzeregi czasowe, analiza zależności krótkoi długozasięgowych
Szeregi czasowe, analiza zależności krótkoi długozasięgowych Rafał Weron rweron@im.pwr.wroc.pl Definicje Mając dany proces {X t } autokowariancję definiujemy jako : γ(t, t ) = cov(x t, X t ) = = E[(X t
Bardziej szczegółowo... prognozowanie nie jest celem samym w sobie a jedynie narzędziem do celu...
4 Prognozowanie historyczne Prognozowanie - przewidywanie przyszłych zdarzeń w oparciu dane - podstawowy element w podejmowaniu decyzji... prognozowanie nie jest celem samym w sobie a jedynie narzędziem
Bardziej szczegółowoRachunek Prawdopodobieństwa i Statystyka
Rachunek Prawdopodobieństwa i Statystyka W 2. Probabilistyczne modele danych Zmienne losowe. Rozkład prawdopodobieństwa i dystrybuanta. Wartość oczekiwana i wariancja zmiennej losowej Dr Anna ADRIAN Zmienne
Bardziej szczegółowoPRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: Kierunek: Mechanika i Budowa Maszyn Rodzaj przedmiotu: obowiązkowy na specjalności: Inżynieria Cieplna i Samochodowa Rodzaj zajęć: Wykład, laboratorium I KARTA PRZEDMIOTU CEL PRZEDMIOTU
Bardziej szczegółowoW celu obliczenia charakterystyki częstotliwościowej zastosujemy wzór 1. charakterystyka amplitudowa 0,
Bierne obwody RC. Filtr dolnoprzepustowy. Filtr dolnoprzepustowy jest układem przenoszącym sygnały o małej częstotliwości bez zmian, a powodującym tłumienie i opóźnienie fazy sygnałów o większych częstotliwościach.
Bardziej szczegółowoRozkład normalny. Marcin Zajenkowski. Marcin Zajenkowski () Rozkład normalny 1 / 26
Rozkład normalny Marcin Zajenkowski Marcin Zajenkowski () Rozkład normalny 1 / 26 Rozkład normalny Krzywa normalna, krzywa Gaussa, rozkład normalny Rozkłady liczebności wielu pomiarów fizycznych, biologicznych
Bardziej szczegółowoWYKŁAD 2. Zdarzenia losowe i prawdopodobieństwo Zmienna losowa i jej rozkłady
WYKŁAD 2 Zdarzenia losowe i prawdopodobieństwo Zmienna losowa i jej rozkłady Metody statystyczne metody opisu metody wnioskowania statystycznego syntetyczny liczbowy opis właściwości zbioru danych ocena
Bardziej szczegółowoWykład 10 Estymacja przedziałowa - przedziały ufności dla średn
Wykład 10 Estymacja przedziałowa - przedziały ufności dla średniej Wrocław, 21 grudnia 2016r Przedział ufności Niech będzie dana próba X 1, X 2,..., X n z rozkładu P θ, θ Θ. Definicja 10.1 Przedziałem
Bardziej szczegółowoWykład z analizy danych: powtórzenie zagadnień z rachunku prawdopodobieństwa
Wykład z analizy danych: powtórzenie zagadnień z rachunku prawdopodobieństwa Marek Kubiak Instytut Informatyki Politechnika Poznańska Plan wykładu Podstawowe pojęcia rachunku prawdopodobieństwa Rozkład
Bardziej szczegółowoStatystyka matematyczna
Statystyka matematyczna Wykład 6 Magdalena Alama-Bućko 8 kwietnia 019 Magdalena Alama-Bućko Statystyka matematyczna 8 kwietnia 019 1 / 1 Rozkłady ciagłe Magdalena Alama-Bućko Statystyka matematyczna 8
Bardziej szczegółowoWprowadzenie do analizy korelacji i regresji
Statystyka dla jakości produktów i usług Six sigma i inne strategie Wprowadzenie do analizy korelacji i regresji StatSoft Polska Wybrane zagadnienia analizy korelacji Przy analizie zjawisk i procesów stanowiących
Bardziej szczegółowoTestowanie hipotez statystycznych.
Statystyka Wykład 10 Wrocław, 22 grudnia 2011 Testowanie hipotez statystycznych Definicja. Hipotezą statystyczną nazywamy stwierdzenie dotyczące parametrów populacji. Definicja. Dwie komplementarne w problemie
Bardziej szczegółowoInteligentna analiza danych
Numer indeksu 150946 Michał Moroz Imię i nazwisko Numer indeksu 150875 Grzegorz Graczyk Imię i nazwisko kierunek: Informatyka rok akademicki: 2010/2011 Inteligentna analiza danych Ćwiczenie I Wskaźniki
Bardziej szczegółowoEstymacja przedziałowa. Przedział ufności
Estymacja przedziałowa Przedział ufności Estymacja przedziałowa jest to szacowanie wartości danego parametru populacji, ρ za pomocą tak zwanego przedziału ufności. Przedziałem ufności nazywamy taki przedział
Bardziej szczegółowoWykład 2 Zmienne losowe i ich rozkłady
Wykład 2 Zmienne losowe i ich rozkłady Magdalena Frąszczak Wrocław, 11.10.2017r Zmienne losowe i ich rozkłady Doświadczenie losowe: Rzut monetą Rzut kostką Wybór losowy n kart z talii 52 Gry losowe Doświadczenie
Bardziej szczegółowoStatystyka w pracy badawczej nauczyciela
Statystyka w pracy badawczej nauczyciela Wykład 1: Terminologia badań statystycznych dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyka (1) Statystyka to nauka zajmująca się zbieraniem, badaniem
Bardziej szczegółowoStatystyka. Wykład 8. Magdalena Alama-Bućko. 10 kwietnia Magdalena Alama-Bućko Statystyka 10 kwietnia / 31
Statystyka Wykład 8 Magdalena Alama-Bućko 10 kwietnia 2017 Magdalena Alama-Bućko Statystyka 10 kwietnia 2017 1 / 31 Tematyka zajęć: Wprowadzenie do statystyki. Analiza struktury zbiorowości miary położenia
Bardziej szczegółowoHISTOGRAM. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH Liczba pomiarów - n. Liczba pomiarów - n k 0.5 N = N =
HISTOGRAM W pewnych przypadkach interesuje nas nie tylko określenie prawdziwej wartości mierzonej wielkości, ale także zbadanie całego rozkład prawdopodobieństwa wyników pomiarów. W takim przypadku wyniki
Bardziej szczegółowo